Estimer un bien en quelques secondes, rédiger une annonce, anticiper une vacance locative, piloter le chauffage d'un immeuble : l'IA touche désormais chaque étape de l'immobilier. Le marché de la PropTech (les technologies de l'immobilier) atteint 54,66 milliards de dollars en 2026 selon Precedence Research. Mais une enquête de JLL auprès de plus de 1 000 dirigeants montre l'autre face : 92 % des sociétés immobilières testent l'IA, et 5 % seulement atteignent la plupart de leurs objectifs. Pour une entreprise belge qui vend, gère ou exploite des bâtiments, l'enjeu n'est plus d'adopter l'IA, mais de la faire produire des résultats.
L'immobilier s'est longtemps géré au flair, au carnet d'adresses et au tableur. La PropTech a d'abord apporté des portails d'annonces, puis des logiciels de gestion. La couche actuelle est analytique et générative : des modèles qui estiment un prix, prévoient une vacance, rédigent une annonce ou détectent une dérive de consommation. On parle d'IA dans l'immobilier quand un système ne se contente plus d'afficher des données, mais produit une estimation, une prévision ou un contenu sur lesquels une décision va s'appuyer.
Le marché sous-jacent est large. Precedence Research évalue la PropTech mondiale à 47,08 milliards de dollars en 2025 et 54,66 milliards en 2026, avec une croissance annuelle de 16,1 % vers 209 milliards en 2035. Le résidentiel représente un peu plus de la moitié du marché, et les gestionnaires et agents en sont les premiers utilisateurs. Deux niveaux de maturité coexistent aujourd'hui.
L'outil estime, rédige, alerte et recommande. Un professionnel valide et décide. C'est le niveau dominant en 2026, le plus simple à encadrer.
L'agent enchaîne des tâches (relances de locataires, présélection de biens, ajustement de loyer) dans des limites fixées. Encore rare en production, surtout sur les décisions à enjeu.
L'intérêt de l'immobilier, c'est que beaucoup de tâches sont répétitives, documentées et mesurables : estimer, rédiger, trier, planifier, surveiller. C'est exactement le terrain où un modèle apporte de la valeur, parce que le résultat se compare à une réalité.
Les modèles d'estimation automatisée (AVM) calculent une valeur à partir des ventes comparables, des caractéristiques du bien et du marché local.
estimation instantanéeRédaction de descriptifs, traduction multilingue, retouche photo et home staging virtuel à partir d'une simple fiche.
contenu en minutesTri des demandes, réponses aux locataires, planification de la maintenance, prévision des impayés et de la vacance.
moins d'administratifPilotage du chauffage, de la ventilation et de l'éclairage selon l'occupation, détection des anomalies de consommation.
énergie optimiséeL'estimation est l'usage le plus mûr. Le Zestimate de Zillow affiche un taux d'erreur médian de 1,83 % sur les biens activement mis en vente aux États-Unis : pour la moitié d'entre eux, l'estimation tombe à moins de 1,83 % du prix de vente final. La performance chute hors marché, sur les biens qui ne sont pas en vente, où l'erreur médiane dépasse 7 %, faute de données récentes. La leçon vaut partout : un modèle d'estimation ne vaut que par les données qui le nourrissent.
En Belgique, où les ventes publiques passent désormais en ligne par Biddit, la plateforme de la Fédération royale du notariat devenue la forme de vente publique la plus utilisée du pays, la donnée transactionnelle se structure peu à peu. Mais un modèle reste un point de départ, pas un avis de valeur signé. Il oriente une négociation, il ne la remplace pas.
C'est sans doute le gisement de valeur le plus concret. Dans l'Union européenne, les bâtiments représentent 40 % de la consommation d'énergie et 36 % des émissions de gaz à effet de serre liées à l'énergie, et environ 75 % du parc est jugé peu performant. Piloter finement le chauffage, la ventilation et l'éclairage selon l'occupation réelle réduit à la fois la facture et les émissions.
L'enquête de JLL le confirme côté usages : les plateformes de gestion de l'énergie et des émissions dépassent 80 % d'adoption, ce qui en fait l'un des cas d'usage les plus déployés. Pour un propriétaire belge, c'est aussi une réponse directe au durcissement des exigences de performance énergétique des bâtiments.
Le chiffre marquant de l'enquête JLL n'est pas l'enthousiasme, mais l'écart. 92 % des occupants et 88 % des investisseurs et propriétaires pilotent l'IA, chacun menant en moyenne cinq projets en parallèle parmi 56 cas d'usage identifiés. Pourtant, 5 % seulement déclarent avoir atteint la plupart de leurs objectifs.
Le frein n'est pas la technologie. Plus de la moitié des répondants citent l'incompatibilité avec les systèmes existants, et la majorité se disent peu préparés sur le plan des données et de l'organisation. Autrement dit, la valeur vient moins du modèle que de la qualité des données et de l'intégration dans les processus. Un AVM branché sur des données incomplètes, ou un outil de gestion qui n'écrit nulle part, ne produira jamais le retour attendu.
Un modèle d'estimation utilisé pour décider d'un crédit hypothécaire touche à l'évaluation de la solvabilité d'une personne, classée à haut risque par l'EU AI Act (annexe III) : supervision humaine, documentation et contrôle des biais deviennent obligatoires. La gestion locative, elle, traite des données personnelles de candidats et de locataires, encadrées par le RGPD pour la collecte, la conservation et tout scoring. Avant d'automatiser, il faut savoir où tournent les données et qui voit quoi.
L'IA immobilière hérite de risques précis. Le biais : un modèle entraîné sur des données historiques peut reproduire des discriminations territoriales. La qualité des données : hors marché, une estimation peut dériver de plus de 7 %. L'effet vitrine : beaucoup d'outils revendiquent l'IA sans capacité réelle. L'hallucination : une annonce générée peut inventer une caractéristique inexistante, avec un risque juridique. La règle reste la même : valider sur ses propres données, garder un humain sur les décisions à enjeu, documenter.
Estimation, annonces multilingues et présélection de biens font gagner du temps. Dans un marché trilingue, la génération et la traduction de contenu ont une valeur immédiate, à condition de relire.
Tri des demandes, maintenance planifiée et pilotage énergétique réduisent les coûts d'exploitation et répondent aux exigences de performance des bâtiments.
Les données immobilières sont sensibles : identités, revenus, baux, valeurs. Les confier à un service distant et opaque complique la conformité. Un déploiement maîtrisé, respectueux du RGPD et de l'EU AI Act, sur une infrastructure que l'on contrôle, reste plus simple à gouverner et plus durable. Un modèle qui oriente une vente, un loyer ou un crédit doit être traçable, supervisé et corrigible, par conception.
Vacance, délai de vente, facture énergétique, temps de réponse aux locataires. Un cas d'usage chiffré, pas la technologie.
Historique de transactions, relevés de capteurs, baux numérisés. Sans donnée propre, pas d'estimation ni de prévision fiable.
Ce que l'outil fait seul, ce qui exige un humain. Supervision pour les usages à haut risque, RGPD pour les données des locataires.
Comparer aux résultats réels, corriger les biais, documenter. N'étendre que ce qui prouve sa valeur.
Molderez Consult aide les acteurs belges de l'immobilier à passer du pilote au résultat : choix des cas d'usage, qualité des données, conformité RGPD et EU AI Act, sur une infrastructure maîtrisée.
Parler de mon cas d'usage